МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение

высшего образования

«Тверской государственный технический университет»

(ТвГТУ)

Кафедра электронных вычислительных машин

Допустить к защите:

Заведующий кафедрой ЭВМ

А.Р. Хабаров

«____» ___________20___ г.

Дипломная работа

На тему

Направление:

09.03.01 Информатика и вычислительная техника

Профиль: Вычислительные машины, комплексы, системы и сети

Студент (ка)

^{(Ф.И.О.) подпись}

Форма обучения: Группа

Руководитель

^{(ученая степень, звание, Фамилия, И.О.) (подпись)}

Нормоконтроль

^{(ученая степень, звание, Фамилия, И.О.) (подпись)}

ТВЕРЬ 2017

МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение

высшего образования

«Тверской государственный технический университет»

(ТвГТУ)

З А Д А Н И Е

на выпускную квалификационную работу бакалавра

Студент(ка)

^{(фамилия, имя, отчество)}

Направление подготовки бакалавров__09.03.01 Информатика и вычислительная техника

Профиль Вычислительные машины, комплексы, системы и сети

Тема Нейронные сети персептронного доступа. Распознавание образов на примере цифр

(утверждена приказом ректора от « » 20 г. № ).

Содержание расчетно-пояснительной записки: Введение, Общесистемный раздел, Специальный раздел, Заключение, Список использованных источников, Приложение

Срок представления студентом ВКР на кафедру: « » 20 г.

Руководитель

^{(ученая степень, должность, Ф.И.О.) (подпись)}

Задание получено:

^{(Ф.И.О. студента) (подпись)}

ТВЕРЬ 2018

Аннотация

В работе решены следующие задачи:

1. Накопление базы данных исследуемых объектов;

2. Исследование свойств объектов для применения их в нейронной сети;

3. Разработка пошагового алгоритма работы сети;

4. Получение высокого результата классификации;

5. Тестирование программной реализации сети.

Разработан программный продукт, позволяющий распознавать цифры.

Содержание

Аннотация 4

Содержание 5

Введение 6

1 Структура и свойства искусственных нейронных сетей 8

1.1 Модель искусственного нейрона 8

1.2 Активационные функции 12

1.3 Искусственные нейронные сети 15

2 Проблема классификации образов 22

2.1 Рецепторная структура восприятия информации 22

2.2 Обучение сетей 24

2.2.1 Общие принципы обучения сетей 24

2.2.2 Обучение сетей с помощью алгоритма обратного распространения ошибки 27

2.3 Персептрон как модель распознавания образов 28

3 Моделирование искусственной нейронной сети для распознавания образов 32

3.1 Постановка задачи 32

3.2 Алгоритм распознавания образов на примере цифр 47

3.3 Полученные результаты 60

Заключение 63

Список использованных источников 64